基于數(shù)據(jù)挖掘的玉米市場(chǎng)價(jià)格預(yù)測(cè).pdf

1、農(nóng)產(chǎn)品的價(jià)格波動(dòng)及其將來(lái)的走勢(shì)與人們的生活息息相關(guān)，而玉米是我國(guó)的主要糧食產(chǎn)量之一，生產(chǎn)量很大，種植廣泛，而且用于糧食作物、飼料作物、燃料作物等方面的消費(fèi)量也很大。所以近年來(lái)，該糧食的產(chǎn)量、價(jià)格、需求量等備受關(guān)注，尤其是價(jià)格是人們最關(guān)注的。
　　多年來(lái)，國(guó)內(nèi)外很多學(xué)者對(duì)玉米市場(chǎng)做了研究，有的將時(shí)間序列的各種模型應(yīng)用到價(jià)格的分析與預(yù)測(cè)上，效果比最初的線性模型好。而現(xiàn)在使用的各種算法準(zhǔn)確度高、效果好，通常不用受很多條件的限制，而且運(yùn)算

2、速度也是比較快的。所以，很多學(xué)者在考慮農(nóng)產(chǎn)品分析問(wèn)題上也會(huì)使用數(shù)據(jù)挖掘的算法。
　　本文致力于解決實(shí)際問(wèn)題，以農(nóng)產(chǎn)品價(jià)格－－玉米價(jià)格為研究對(duì)象（選取的數(shù)據(jù)為2005年1月到2016年11月的價(jià)格），在各位學(xué)者研究的基礎(chǔ)上，綜合考慮并選擇合適的方法，根據(jù)實(shí)際問(wèn)題，分析借助R工具建立模型，選取最優(yōu)模型進(jìn)行最終的預(yù)測(cè)。本文分析實(shí)例問(wèn)題時(shí)借助R工具，通過(guò)分析建立時(shí)間序列模型、神經(jīng)網(wǎng)絡(luò)模型：對(duì)于時(shí)間序列模型，選用AR(1)、ARIMA(1,

3、1,1)、ARIMA(2,1,3)、多重季節(jié)MA模型ARIMA(2,1,3)、季節(jié)模型ARMA(2,0,2)這5個(gè)模型，選取出最優(yōu)的模型；對(duì)于神經(jīng)網(wǎng)絡(luò)模型，選用前五個(gè)月、六個(gè)月、十二個(gè)月的月度數(shù)據(jù)分別作為輸入神經(jīng)元，輸出神經(jīng)元為未來(lái)一個(gè)月、兩個(gè)月、三個(gè)月、四個(gè)月、未來(lái)五個(gè)月的月度數(shù)據(jù)，通過(guò)設(shè)置隱藏層的單元個(gè)數(shù)、反向傳播速率、最大迭代次數(shù)等指標(biāo)，共建立45個(gè)模型，通過(guò)比較選出最優(yōu)模型；最后將兩種方法進(jìn)行比較，最終選出最優(yōu)模型，進(jìn)行預(yù)測(cè)。通

4、過(guò)對(duì)這個(gè)具體問(wèn)題的分析，可以看出：
　　(1)價(jià)格波動(dòng)的影響因素有很多，多種因素結(jié)合起來(lái)很難用線性的模型表示，用傳統(tǒng)的模型很大局限性，精度也不高。而神經(jīng)網(wǎng)絡(luò)可以很好地解決非線性問(wèn)題，因?yàn)樯窠?jīng)網(wǎng)絡(luò)可以任意近似任何非線性函數(shù)。神經(jīng)網(wǎng)絡(luò)可以任意精度的逼近任何非線性函數(shù)。本文最終選取的預(yù)測(cè)方法是神經(jīng)網(wǎng)絡(luò)建模方法。
　　(2)通過(guò)影響因素的分析，可以看出有很多指標(biāo)無(wú)法量化，所以從價(jià)格趨勢(shì)角度進(jìn)行分析。
　　(3)通過(guò)各種模型的結(jié)